12.2. Експертні системи та їх характеристика

Експертна система — це комп'ютерна система, яка втілює в собі досвід експерта, що грунтується на його знаннях в певній га­лузі. Експертна система (ЕС) на основі обробки цих знань може давати інтелектуальні поради, приймати рішення на рівні експе-та-професіонала, а також за бажанням користувача пояснювати хід розв'язування в разі відшукання того чи іншого рішення.

Основні характеристики експертної системи такі:

1. Експертна система, як правило, обмежена певною предмет­ною областю.

2. EC має вміти приймати рішення за неповних чи неточних даних.

3. EC має вміти пояснювати свої дії при розв'язуванні задачі.

4. Система повинна мати властивість розширення та нарощу­вання функцій.

5. EC має вміти імітувати діяльність висококваліфікованого спе­ціаліста (експерта).

6. ЕС при розв'язуванні задач використовує, як правило, не точні алгоритми, а так звані евристики, тобто методи, які спира­ються на досвід та знання експерта.

Головні відмінності систем обробки даних від експертних си­стем, що грунтуються на обробці знань, полягають ось у чому:

1. На виході експертної системи користувач дістає не машино-чи відеограму, яка подана в табличному вигляді, а інтелектуальну пораду, що має вигляд тексту.

2. В основу EC покладено технологію обробки символьної ін­формації, що здебільшого подається у формі правил.

3. В узагальненому вигляді системи обробки даних можна по­дати такою конструкцією:

ДАНІ + АЛГОРИТМ = СИСТЕМА ОБРОБКИ ДАНИХ.

Структурно в узагальненому вигляді EC можна зобразити так:

ЗНАННЯ + РОЗУМОВИЙ ВИСНОВОК =

= ЕКСПЕРТНА СИСТЕМА.

4. Експертна система має архітектуру, яка також відрізняється від архітектури традиційних систем обробки даних. Відмінності полягають у наявності в експертній системі таких блоків: 1) бази знань; 2) пояснень; 3) нагромадження знань.

Структуру експертної системи зображено на рис. 12.2. Розгля­немо характеристику основних блоків EC.

База знань — це сукупність відомостей про предметну об­ласть, для якої розробляється експертна система.

Для функціонування системи база знань має бути наповнена знаннями. Для цього запрошують висококваліфікованих спеціа­лістів у тій галузі, для якої розробляється система, вони відігра­ють роль експертів, завдання яких — описати всі відомі знання для функціонування ЕС. У базі знань мають бути наявні знання першого та другого родів. Знання першого роду — це загальнові­домі факти, явища, закономірності, які визнані в даній предмет­ній області й опубліковані. Знання другого роду — це набір емпі­ричних правил та інтуїтивних висновків, якими користуються спеціалісти, приймаючи рішення в умовах невизначеності за на­явності неповної суперечливої інформації. Відомості про ці знан­ня, як правило, не опубліковані.

У базі знань EC переважно містяться знання першого роду, але мають бути й знання другого роду. Якщо ці знання відсутні, то це означає поганий вибір експертів (вони не вміють формулю­вати свої знання чи навпаки: не хотять цього робити, щоб зберег­ти за собою статус унікальних спеціалістів).

Рис. 12.2. Структура експертної системи

Інженер з питань знань має такі обов'язки: знання, що їх по­дали експерти, він структурує і записує в базу знань з урахуван­ням правил побудови моделі знань, проектованої ЕС.

Усі знання, які подані в базі знань поділяються на інтенсіональні та екстенсіональні.

Інтенсіональні, або абстрактні, знання являють собою по­нятійні (концептуальні) знання про об'єкти предметної області і зв'язки між ними.

Екстенсіональні (конкретні) знання — це кількісні характе­ристики інтенсіональної частини знань, тобто база даних ЕС.

Блок рішень, необхідний для пошуку та побудови логічних ви­сновків, які видає користувачеві ЕС. Дії цього блока подібні до

міркувань людини-експерта, яка оцінює проблему і пропонує її гіпотетичне вирішення. Цей блок виконує функції управління процесом пошуку розв'язків, тобто він визначає спосіб і послі­довність використання різних правил та процедур. Кожна ЕС має містити певну кількість таких правил та процедур. Кількість пра­вил, що їх містить середня ЕС, перевищує 500, а для великої ЕС може перевищувати й 1000.

Здебільшого блок розв'язків складається з двох частин: блока логічного виводу та управляючого блока.

Блок логічного виводу виконує дії, аналогічні до інтелектуаль­ної діяльності спеціаліста, коли той приймає рішення. Функції цього блока — побудова логічного висновку на базі існуючих знань, які зберігаються в БЗ.

Блок управління керує процесом пошуку рішення, тобто виз­начає послідовність використання різних правил і процедур мані­пулювання знаннями.

Блок пояснень слугує для видачі за запитом користувача по­слідовності логічних висновків та міркувань, якими оперувала система у процесі пошуку рішення. Наявність такого блока в ЕС дає змогу використовувати її не лише для прийняття рішень, а й для процесу навчання як навчальну систему.

Проблема пояснень та обгрунтування правильності мірку­вань — важлива й складна задача. Адже попри те, що система містить знання експертів та надає поради, відповідальність за прийняте рішення несе особисто користувач. Досі немає право­вих актів, які б визначали відповідальність експертів за знання, надані системі, а також за рішення, які приймаються в результаті консультування користувачів з ЕС, яка містить знання даного екс­перта чи групи експертів.

Оцінка ЕС користувачем значною мірою залежить від того, наскільки праця з експертною системою схожа на співробітницт­во з експертом, і, відповідно, істотно залежить від якості пояс­нень, що їх надає система користувачеві на ті запитання, які ви­кликають у нього сумнів. Усі питання, які можуть виникнути в користувача при роботі з ЕС, можна поділити на такі групи: пов'язані з процесом рішення проблеми (як і чому? з якою ме­тою? з яким результатом? з чого це випливає?); стосовно значень термінів, які прийняті в ЕС при організації діалогу з користува­чем; про причини виникнення певного запитання у процесі екс­пертизи; стосовно наслідків, які випливають із даної користува­чем відповіді на запитання, поставлене системою (наприклад, що буде, коли?).

Для того щоб ЕС змогла швидко і якісно пояснювати правильність своїх відповідей, а також доцільність поставлених запитань, вона записує в робочій пам'яті хід своїх міркувань та їх послідовність.

Факт можливості дістати пояснення породжує в користувача ілюзію, ніби-то система перевіряє відповідність правил, що запи­сані в базі знань. Між тим ЕС пояснює свої дії виключно лише видаючи інформацію про хід процесу міркувань. Наприклад, в ЕС продукційного типу пояснення записуються в базу знань за допомогою модифікованого правила продукції:

Правило XXX ЯКЩО < умова >

ТО < висновок чи дія >

ТОМУ ЩО < обгрунтування >

Обгрунтування — це текст, що його дістане користувач після використання даного правила, маючи намір дістати пояснення.

Блок спілкування з користувачем або інтерфейс користувача необхідний для організації діалогової взаємодії між системою і користувачем. Основна вимога до цього блока — це реалізація спілкування природною мовою користувача.

Блок нагромадження знань. ЕС здебільшого будується для та­ких предметних областей, які характеризуються необхідністю ак­туалізації та розширення знань. З огляду на це ЕС містить блок, який дає змогу експерту завантажувати базу знань, а також вико­нувати редагування знань, які зібрані в базі. Усе більший інтерес викликає питання автоматизованого набуття знань експертною сис­темою (актуалізація, коригування та розширення знань ЕС через процес навчання ЕС). Проблему навчання можна звести до створен­ня нових понять та правил на базі існуючих, а також підключення їх в базу знань таким чином, аби не було суперечливості знань.

Отже, функція цього блока полягає у формуванні емпіричних залежностей із неповних знань, тобто здобуття знань першого роду на основі знань другого роду. Але через складність реаліза­ції цих функцій не всі ЕС мають у своєму складі такий блок.

Створення нових знань повністю автоматизованим спосо­бом — це дуже проблематичний підхід, запропонований занадто захопленими прибічниками штучного інтелекту. Будь-які знання (особливо нові) потребують дуже ретельної перевірки, яку мо­жуть виконати лише експерти.

Основані на знаннях (інтелектуальні) або експертні комп'ю­терні системи мають здатність показати вражаючу і інколи при­голомшуючу продуктивність розглядати проблеми в порівнянні з людиною, що не є експертом. Вони роблять так за допомогою

використання обширних баз знання, об'єднаних із спеціалізова­ним евристичним доведенням. Цей підхід привів до розробки си­стем, які пропонують наступні переваги:

• У класах проблем, як наприклад діагностика дефектів, тера­пія і вибір, вони можуть розв'язати деякі проблеми інколи краще ніж людина.

• Вони можуть надати організаціям можливість краще управ­ляти важливими активами управління і професійними знаннями і експертизою. Вони дозволили використовувати знання з управ­ління і нагромаджений досвід, що в них зберігаються, централь­но підтримуються і зручно розподілені.

• Вони можуть відповісти простим запитам про їхні знання і досвід, і про те, як вони розв'язують проблеми.

• Вони можуть функціонувати з менш досконалою і сумнів­ною інформацією.

• Вони можуть використовувати тренувальні інструментальні засоби, щоб вдосконалити людський досвід; вони проводять екс­пертизу відносно недорого.

• Вони можуть часто бути легко зміненими, щоб відобразити зміни в робочому оточенні, як наприклад політику, правила і ді­ючі процедури.

• Вони не сплять, не хворіють, не тікають або не з'єднуються з іншими компаніями.

Однак експертні системи на даний момент мають багато об­межень.

• Вони звичайно працюють тільки у вузько визначених проб­лемних доменах, і їхній рівень розуміння середовища, в якому вони працюють, є до деякої міри поверховим.

• Ці системи досі не мають «здорового глузду», як засоби во­ни звичайно не можуть обміркувати про проблему багатократни­ми шляхами або на багатократних рівнях. Вони не знають те, коли вони не знають що-небудь, доречне до проблеми; це засіб, що вони можуть спробувати розв'язати проблеми, навіть коли їх знання і ме­тод мислення є очевидно невідповідними, і вони не зможуть пові­домити користувача-людину про цей факт. Вони не можуть глибоко знати логіку правил або достовірності правил, які зберігаються в їх базах знань, і вони не знають, коли доцільно порушити правила.

• Вони не можуть самі навчитися.

• Є проблеми продуктивності щодо тривалості відповіді в ба­гатьох системах.

• 3 метою вирішення проблеми продуктивності були створені спеціалізовані машини і мови для використання в експертних системах (наприклад, LISP машини). Однак, ці апаратні засоби і програмне забезпечення виявились важкими, щоб інтегрувати з існуючими корпоративними системами, і продавці цієї технології зазнають серйозних проблем з ринкової реалізації.

• Експертні системи можуть бути дорогими і ризикованими, щоб розроблятися. Навіть коли спеціалізованих апаратних засо­бів і програмного забезпечення не вимагається, дистиляція люд­ського досвіду, його кодування і збереження в базах знань для використання в експертних системах можуть вимагати значних витрат часу і бути трудомісткими. Майстерності, яка для цього вимагається, немає в багатьох випадках.

• Успішні експертні системи можуть привести до реальних змін в шляхах людини виконувати свої завдання. Це може вима­гати суттєвих організаційних і технологічних змін, які можуть стати на перешкоді повного успіху системи , навіть якщо система добре виконана з технічного боку.

Незважаючи на ці обмеження, багато комп'ютерних корпора­цій розробили додатки експертних систем як експериментальних, так і діючих, які розгортаються у використанні сьогодні. Вони зробили висновок, що ці системи репрезентують стратегічну кон­курентну технологію .

Наприклад, компанія DuPont має понад 600 експертних сис­тем в дії і таким чином отримує щорічні заощадження до подат­ку, що оцінюються в сотнях мільйонів. Важливо, що тільки бли­зько 20 цих систем є додатки «закритого циклу» (тобто створюєть­ся рішення скоріше, ніж підтримується). Решта використовують­ся в консультативному режимі або в режимі підтримки рішення.

Іншим прикладом є експертна система кредитного дозволу, що використовується American Express (the Credit Authorizer's Assistant — асистент того, хто надає кредитний дозвіл). Ця сис­тема ідентифікує ризики між більш ніж 23 млн держателів кредит­них карток. Вона слідує крок за кроком за процесом міркування одного із своїх досвідчених аудитерів кредиту, але час рішення скоротився на 25%. American Express отримала на основі цієї си­стеми до 60% скорочень витрат від фальсифікованих операцій. Очікувані переваги від зменшення ризику, зменшення вартості і вдосконалення дохідних статей оцінюються в 27 млн. дол. США на рік.

Корпорація Австралії Lend Lease, одна з найбільших Австра­лійських будівельних компаній, збудувала експертну систему, яка використовується, щоб оцінити справжній час конструюван­ня великих розроблюваних проектів. Ці оцінки потім використовуються, щоб зробити багато більш точні оцінки для будівельних витрат на ранній стадії.

British Petroleum (Британська нафта) розробила і розгорнула багато експертних систем. Можливо найкраща серед відомих си­стем є радник для проектування розділювачів газу/нафти. Вико­ристання її забезпечило економію витрат у кілька мільйонів фун­тів стерлінгів за рік.

Багато японських компаній зробили реальні інвестиції в екс­пертних системах з суттєвим обсягом і виграшем. Е. Feigenbaum, P. McCorduck, і Н. Nii, в своїй книзі The Rise of the Expert Com­pany (Зростання Досвідченої Компанії), включають багато прик­ладів експертних систем, розгорнених Японськими компаніями. Лихоманка експертних систем розгорнулася широко і охопила сотні японських фірм. Не сюрпризом є застосування ЕС в інжині­рингу інтенсивних індустрій, важких машин і індустріях матеріа­лів, конструюванні, хімії, страхуванні і фінансових послугах.

Отже, серйозні організаційні заходи і фінанси охоплені роз­робкою прикладень експертних систем і продуктів. Крім того, ви­конавчі інформаційні системи і системи підтримки прийняття рі­шень є дві області, куди потрібно включити дану технологію, і то­му є сподівання, що багато компаній намагатимуться зробити так.

Модулі експертних систем можуть і мають бути використані в середині додатків ВІС і СППР. Вони нададуть нам можливість працювати з більш абстрактними, не цифровими фактами і зв'яз­ками, і мають істотно підвищувати ефективність і поширеність таких систем. У деяких випадках вони забезпечать пояснення про те, як вони виконують завдання або щонайменше посилатися на деяку корисну міру надійності, з якою вони обмірковують.